1. 系統(tǒng)性地理解預(yù)測(cè)的核心內(nèi)涵，建立對(duì)預(yù)測(cè)技術(shù)的全面認(rèn)知框架，為后續(xù)深入學(xué)習(xí)奠定堅(jiān)實(shí)的認(rèn)知基礎(chǔ)。

2. 全面掌握預(yù)測(cè)的完整方法論體系，重點(diǎn)攻克特征構(gòu)建及選擇這一核心難點(diǎn)。

3. 深入理解主流預(yù)測(cè)算法的核心原理與應(yīng)用價(jià)值，清晰掌握不同算法的適用場(chǎng)景、數(shù)據(jù)要求及性能優(yōu)劣，能夠結(jié)合具體業(yè)務(wù)問題的特點(diǎn)，針對(duì)性選用適配的算法邏輯，避免“算法選型盲目化”的問題。

4. 熟練掌握預(yù)測(cè)模型從搭建到落地的全流程實(shí)操方法，真正實(shí)現(xiàn)預(yù)測(cè)能力從“理論認(rèn)知”到“業(yè)務(wù)落地”的轉(zhuǎn)化。

第一講：大數(shù)據(jù)預(yù)測(cè)入門——基礎(chǔ)認(rèn)知與核心邏輯

一、什么是“預(yù)測(cè)”

1. 預(yù)測(cè)的定義

2. 預(yù)測(cè)的特點(diǎn)

3. 預(yù)測(cè)的分類

1）按范圍分類：宏觀預(yù)測(cè)、微觀預(yù)測(cè)

2）按時(shí)間長(zhǎng)短分類：短期預(yù)測(cè)、中期預(yù)測(cè)、長(zhǎng)期預(yù)測(cè)

3）按有無假設(shè)條件分類：條件預(yù)測(cè)、無條件預(yù)測(cè)

4）按預(yù)測(cè)結(jié)果的要求分類：定性預(yù)測(cè)、定量預(yù)測(cè)、定時(shí)預(yù)測(cè)

5）按趨勢(shì)是否確定分類：確定性預(yù)測(cè)、隨機(jī)性預(yù)測(cè)

6）按預(yù)測(cè)依據(jù)分類：動(dòng)態(tài)預(yù)測(cè)、靜態(tài)預(yù)測(cè)

4. 有效“預(yù)測(cè)”須注意

——目的性、連貫性、關(guān)聯(lián)性、近大遠(yuǎn)小、概率性、反饋性、及時(shí)性、經(jīng)濟(jì)性

二、什么是“大數(shù)據(jù)”

思考：通過生活實(shí)例，說明大數(shù)據(jù)的存在和必要性。

1. 政策推動(dòng)

2. 范式變革

1）信息化

2）數(shù)字化

3）智能化

4）智慧化

3. 認(rèn)知亂象

4. 大數(shù)據(jù)的核心內(nèi)涵

案例：寓言故事，對(duì)象定義不清的大數(shù)據(jù)啟發(fā)。

5. 大數(shù)據(jù)的定義

6. 大數(shù)據(jù)的目標(biāo)要求

思考分享：工作生活中您認(rèn)為哪些算得上大數(shù)據(jù)？為什么？

三、大數(shù)據(jù)與預(yù)測(cè)

1. “大數(shù)據(jù)”與“預(yù)測(cè)”的關(guān)系定位

2. “大數(shù)據(jù)”與“預(yù)測(cè)”的邏輯關(guān)系

3. 大數(shù)據(jù)預(yù)測(cè)的特征

1）全樣，而非抽樣

2）效率，而非精確

3）相關(guān)，而非因果

案例：球賽勝負(fù)預(yù)測(cè)、氣象預(yù)測(cè)

思考分享：消除認(rèn)識(shí)偏差

第二講：大數(shù)據(jù)預(yù)測(cè)方法——方法體系與技術(shù)原理

思考：“在什么時(shí)候需要引入流程”？

一、大數(shù)據(jù)預(yù)測(cè)流程

——確定主題要素、開展數(shù)據(jù)治理、選擇方法、分析規(guī)律、建立模型、評(píng)估效果

二、大數(shù)據(jù)預(yù)測(cè)方法

思考：“為什么奶茶店雨天銷量高”？

1. 確定主題要素

分享：請(qǐng)列舉一個(gè)預(yù)測(cè)目標(biāo)，說明其主題要素。

2. 開展數(shù)據(jù)治理

思考：生活工作中，是否進(jìn)行過數(shù)據(jù)治理，請(qǐng)簡(jiǎn)單介紹。

3. 選擇方法

思考：六類方法的生活實(shí)例。

——相關(guān)分析、對(duì)應(yīng)分析、頻譜分析、趨勢(shì)分析、聚類分析、關(guān)聯(lián)分析

4. 分析規(guī)律

1）為什么要“分析規(guī)律”

2）規(guī)律分類

——趨勢(shì)性、周期性、波動(dòng)性、相關(guān)性、相似性、項(xiàng)關(guān)聯(lián)性、段關(guān)聯(lián)性

5. 建立模型

1）構(gòu)建特征：獲得表現(xiàn)力強(qiáng)的特征

2）特征選擇：選出特征子集

3）算法選擇，模型構(gòu)建

案例：“房?jī)r(jià)”預(yù)測(cè)

a線性回歸模型－嶺回歸

案例：“地區(qū)GDP”預(yù)測(cè)

b線性回歸模型－分位數(shù)回歸

案例：“城鎮(zhèn)居民收入分布”預(yù)測(cè)

c復(fù)雜回歸模型－支持向量機(jī)回歸

案例：“交通流量”預(yù)測(cè)

d時(shí)間序列模型－向量自回歸

案例：“宏觀經(jīng)濟(jì)”預(yù)測(cè)

4）模型測(cè)試：檢驗(yàn)?zāi)Ｐ?/span>

5）模型優(yōu)化：參數(shù)優(yōu)化

思考：通過實(shí)例對(duì)模型參數(shù)優(yōu)化進(jìn)行描述說明。

6. 評(píng)估效果

三、預(yù)測(cè)保障方法

1. 界定問題

案例：以企業(yè)中層管理者對(duì)“市場(chǎng)占有率”的預(yù)測(cè)，說明問題界定的三個(gè)方面。

2. 判斷預(yù)測(cè)法

案例：以是否買房為出發(fā)點(diǎn)，對(duì)房產(chǎn)前景進(jìn)行預(yù)測(cè)，說明判斷預(yù)測(cè)的三個(gè)方面。

3. 外推預(yù)測(cè)法

案例：以汽車產(chǎn)業(yè)的發(fā)展為出發(fā)點(diǎn)，對(duì)某一類汽車的銷量進(jìn)行預(yù)測(cè)，說明外推預(yù)測(cè)法的三個(gè)方面。

4. 因果預(yù)測(cè)法

案例：以大氣環(huán)境的變化為出發(fā)點(diǎn)，對(duì)霧霾的變化趨勢(shì)進(jìn)行預(yù)測(cè)，說明因果預(yù)測(cè)法的三個(gè)方面。

思考分享：請(qǐng)談一談自己親身經(jīng)歷的預(yù)測(cè)實(shí)例，并說明預(yù)測(cè)過程。

第三講：大數(shù)據(jù)預(yù)測(cè)應(yīng)用——行業(yè)落地與實(shí)踐案例

一、電力行業(yè)負(fù)荷曲線預(yù)測(cè)

二、電力負(fù)荷預(yù)測(cè)的需求分析

三、短期日負(fù)荷預(yù)測(cè)過程

1. 確定主題要素

2. 開展數(shù)據(jù)治理

3. 選擇方法分析規(guī)律

4. 構(gòu)建特征，選擇特征

5. 基于RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)

1）確定最優(yōu)參數(shù)

2）建模預(yù)測(cè)

6. 基于RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的效果評(píng)估

7. 基于LS－SVMR算法的預(yù)測(cè)

1）確定最優(yōu)參數(shù)

2）建模預(yù)測(cè)

8. 基于LS－SVMR算法預(yù)測(cè)的效果評(píng)估

思考與總結(jié)：

1. 實(shí)操注意什么

2. 實(shí)現(xiàn)難點(diǎn)是什么

3. 掌握程度是什么

預(yù)測(cè)實(shí)操：選擇一個(gè)行業(yè)需求，進(jìn)行預(yù)測(cè)：需求分析、確定主題、數(shù)據(jù)準(zhǔn)備、選擇算法分析規(guī)律、建立模型、效果評(píng)估。